怎么用Python画词云图

你想知道朋友圈里边传的词云图是如何生成的吗?如何能生成形状各异的词云图呢?今天我们就来跟大家分享如何用Python画词云图!

词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。

在谈画词云图时，先说说小学生学画画，这样的场景，你一定不陌生：

小孩开始画画的时候，许多家长觉得他们画的东西什么都“不像”、“乱七八糟”、“一塌糊涂”。于是他们上书店为孩子买回填色书，这类印有动物，风景的轮廓线，孩子们在线内填上颜色的填色书，在市场上很常见，买回后让小孩规规矩矩地涂色，看到有点像样了，爸爸妈妈们才感觉到欣慰。

总结起来，就是三大步：准备原材料(五颜六色的画笔)、选定一个填色书(需要有形状轮廓等)、较后开始填色。

用Python画词云图其实也是这三大步骤：

1、准备原材料

准备好一份自己需要分析的文本材料，今天我们选取的是，1月25日，习近平在中共中央政治局第十二次集体学习时，关于推动媒体融合向纵深发展的讲话。

在这里，我们主要会用到Python库jieba，jieba就是这样一个非常好用的中文工具，是以分词起家的，但是功能比分词要强大很多。

jieba.cut返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)。

jieba.cut 方法接受三个输入参数:

需要分词的字符串

cut_all 参数用来控制是否采用全模式，一般情况下，cut_all为False

HMM 参数用来控制是否使用 HMM 模型

import jieba

list0 = jieba.cut('我原来是一名Java工程师，后来喜欢上了Python语言', cut_all=True)
print("全模式:",list(list0))

list1 = jieba.cut('我原来是一名Java工程师，后来喜欢上了Python语言', cut_all=False)
print("精准模式:",list(list1))

###输出结果：
全模式: ['我', '原来', '是', '一名', 'Java', '工程', '工程师', '', '', '后来', '喜欢', '上', '了', 'Python', '语言']
精准模式: ['我', '原来', '是', '一名', 'Java', '工程师', '，', '后来', '喜欢', '上', '了', 'Python', '语言']

同时，获得到文本时，我们需要对文本进行文本预处理(删除掉我们不想要的词语以及符号，如同剔除掉不需要的画笔)、文本分词以及词频统计(只获取我们希望展示的词语，如同保留下我们的画笔)

详细代码如下：

data_txt = open(r"E:\project\wordcloud\xinmeiti.txt",'r',encoding='utf-8').read()

#文本预处理
pattern = re.compile(u'\t|\n|\.|-|:|;|\)|\(|\?|"')
data_txt = re.sub(pattern, '', data_txt)

#文本分词
cut_txt = jieba.cut(data_txt)
object_list=[]
remove_words = [u"的","习近平",u'对',u'等',u'能',u'都',u'。',u' ',u'、',u'中',u'在',u'了',u'，',u'“',u'”',u'一个',u'是',u'人民日报']

#词频统计
for word in cut_txt:
    if word not in remove_words:
        object_list.append(word)

word_counts = collections.Counter(object_list)

2、选定填色书

关于词云图较后的形状轮廓，我们将选取宠物猪作为展示。

这里主要说说Python中wordcloud的基本使用，wordcloud把词云当作一个对象，它可以将文本中词语出现的频率作为一个参数绘制词云，而词云的大小、颜色、形状等都是可以设定的。

WordCloud方法的参数如下：

width：指定词云对象生成的图片的宽度(默认为200px)
height：指定词云对象生成的图片的高度(默认为400px)
min_font_size：指定词云中字体较小字号，默认为4
max_font_size：指定词云中字体较大字号
font_step：指定词云中字体之间的间隔，默认为1
font_path：指定字体文件路径
max_words：指定词云中能显示的较多单词数，默认为200
stop_words：指定在词云中不显示的单词列表
background_color：指定词云图片的背景颜色，默认为黑色
mask：定义词频背景

说明一下：如果设置了mask参数，那么width、height参数将无效

word_cloud 生成词云有两个方法。from text 和 from frequencies 。即文本生成和频率生成，每一个都有对应的函数可以使用，如下：

wd.generate(txt) 　　向WordCloud 对象w中加载文本txt

wd.generate_from_frequencies(word_counts) 向WordCloud 对象wd中加载词语频率

详细代码如下：

#定义词频背景
background_image = np.array(Image.open(path_image))
font_path="E:\project\wordcloud\simfang.ttf"
wd = WordCloud(
    font_path=font_path,  #设置字体格式，不然会乱码
    background_color="white",  #设置背景颜色
    mask=background_image   #设置背景图
).generate_from_frequencies(word_counts)

#保存词云图
wd.to_file('zhu.png')
#显示词云图
plt.imshow(wd,interpolation="bilinear")
plt.axis("off")
plt.show()

结果图如下：